【要約】非エンジニアがChatGPTと1年半、本気で業務改善してみた① 〜すべての始まり〜 [Qiita_Trend] | Summary by TechDistill
> Source: Qiita_Trend
Execute Primary Source
[WARN: Partial Data] 連載の第1回であり、具体的な技術的解決策は次回の内容に続くため。
// Problem
物流業界の非エンジニアが、毎月の売上集計業務において非効率な運用に直面していた。業務の詳細は以下の通りである。
- ・5名の担当者が、毎月5日間もの時間を集計作業に費やしている。
- ・スプレッドシートに大量の関数が蓄積し、計算に数分を要するほど重くなっている。
- ・長年の修正によりシートの構造が複雑化し、メンテナンスが困難な状態にある。
// Approach
筆者が業務の負担軽減を目指し、プロダクトチームへ相談したことが解決の起点となった。アプローチの概要は以下の通りである。
- ・プロダクトチームから、コード作成の補助としてChatGPTの利用を提案された。
- ・非エンジニアが自力で解決策を見出すための手段として、AIとの対話を試みた。
- ・現在のスプレッドシートの課題を、AIへ提示することから開始した。
// Result
本記事は導入部であり、具体的な数値的成果は示されていない。しかし、筆者のスキル変遷は以下の通りである。
- ・スプレッドシートの関数利用から、GASやAPIを活用した開発へと進化した。
- ・現場の課題を整理し、プロダクトチームと仕様を議論できるレベルに到達した。
- ・AIを使いこなすことで、仕事の見え方が大きく変化した。
Senior Engineer Insight
> 非エンジニアがLLMを「実装の補助」として活用する動きは、現場のDXにおいて極めて現実的だ。ドメイン知識を持つ人間がAIを介して実装力を補完すれば、開発部門のボトルネックを解消できる。ただし、生成されたコードの品質管理や、複雑化したシートの負債化には注意が必要である。現場主導の改善には、適切なガバナンスが求められる。